CN107995435A - 无人机图像采集方法、装置、计算机设备及可读存储介质 - Google Patents
无人机图像采集方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN107995435A CN107995435A CN201711308879.6A CN201711308879A CN107995435A CN 107995435 A CN107995435 A CN 107995435A CN 201711308879 A CN201711308879 A CN 201711308879A CN 107995435 A CN107995435 A CN 107995435A
- Authority
- CN
- China
- Prior art keywords
- collected
- image
- unmanned plane
- acquisition
- infrared
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/71—Circuitry for evaluating the brightness variation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
Abstract
本发明涉及一种无人机图像采集方法、装置、计算机设备及可读存储介质。一种无人机图像采集方法,包括:接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置;通过安装在无人机上的光强度传感器获取与待采集对象的位置对应的区域的光线强度;当光线强度低于预设值时,通过安装在无人机上的红外设备采集待采集对象对应的红外图像;将所采集的红外图像发送至所述后台。上述无人机图像采集方法、装置、计算机设备及可读存储介质,在追踪的过程中,如果遇到光线强度不足的情况,无人机可自动采集红外数据,拍摄出能够满足追踪要求的图像,提高了传统无人机的数据采集能力。
Description
技术领域
本发明涉及计算机技术领域,特别是涉及一种无人机图像采集方法、装置、计算机设备及可读存储介质。
背景技术
无人驾驶飞机简称“无人机”,英文缩写为“UAV”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器,无人机实际上是无人驾驶飞行器的统称,随着现代信息技术的发展,无人机的应用不断普及,在警用、安防等多种领域中得到了广泛的应用。
但是传统的无人机在数据采集的过程中,极易受环境因素的因素影响,导致拍摄画面不清的情况,特别是在需要“精细”图像的场合,这种图像质量的影响更为严重,这使得传统无人机的简单拍照系统已经无法满足人们的要求。
发明内容
基于此,有必要针对上述问题,提供一种能够提高无人机所采集的图像数据的质量的无人机数据采集方法、装置、计算机设备及可读存储介质。
一种无人机图像采集方法,包括:
接收后台发送的针对待采集对象的数据采集指令,并根据所述数据采集指令获取所述待采集对象的位置;
通过安装在所述无人机上的光强度传感器获取与所述待采集对象的位置对应的区域的光线强度;
当所述光线强度低于预设值时,通过安装在所述无人机上的红外设备采集所述待采集对象对应的红外图像;
将所采集的所述红外图像发送至所述后台。
在其中一个实施例中,所述根据所述数据采集指令获取所述待采集对象的位置信息的步骤之后,还包括:
通过安装在所述无人机上的可见光设备采集所述待采集对象对应的可见光图像;
将所采集的所述可见光图像发送至所述后台。
在其中一个实施例中,所述接收后台发送的针对待采集对象的数据采集指令,并根据所述数据采集指令获取所述待采集对象的位置的步骤,包括:
接收后台发送的数据采集指令,所述数据采集指令携带有待采集对象的标识;
根据所述数据采集指令采集当前位置的预采集图像,并根据所述待采集对象的标识确定所述待采集对象在所述预采集图像中的目标位置;
提取所述待采集对象在所述预采集图像中的特征信息,并根据所述特征信息建立与所述待采集对象对应的采集模板;
根据所述目标位置和所述采集模板获取所述待采集对象的目标预测位置。
在其中一个实施例中,所述根据所述待采集对象的标识确定所述待采集对象在所述预采集图像中的目标位置的步骤,包括:
根据所述待采集对象的标识确定所述待采集对象在所述预采集图像中的初始位置;
接收所述后台发送的针对所述初始位置的纠正指令;
根据所述纠正指令对所述初始位置进行调整得到目标位置。
在其中一个实施例中,所述通过安装在所述无人机上的红外设备采集所述待采集对象对应的红外图像的步骤,包括:
通过安装在所述无人机上的红外设备采集与所述目标预测位置对应的当前红外图像;
根据所述采集模板获取所述待采集对象在所述当前红外图像中的第一位置;
根据所述第一位置计算所述待采集对象的第一预测位置,并继续根据所述第一预测位置采集下一帧红外图像作为当前红外图像,直至对所述待采集对象的采集完成。
在其中一个实施例中,所述通过安装在所述无人机上的可见光设备采集所述待采集对象对应的可见光图像的步骤,包括:
通过安装在所述无人机上的可见光设备采集与所述目标预测位置对应的当前可见光图像;
根据所述采集模板获取所述待采集对象在所述当前可见光图像中的第二位置;
根据所述第二位置计算所述待采集对像的第二预测位置,并继续根据所述第二预测位置采集下一帧可见光图像作为当前可见光图像,直至对所述待采集对象的图像采集完成。
在其中一个实施例中,所述方法还包括:
当在当前可见光图像中未获取到与所述采集模板对应的待采集对象时,则通过安装在所述无人机上的紫外设备采集当前紫外图像,并根据所述采集模板获取所述待采集对象在所述当前紫外图像中的第三位置;
根据所述第三位置获取所述待采集对像的第三预测位置,并继续根据所述第三预测位置采集下一帧紫外图像作为当前紫外图像,直至对所述待采集对象的图像采集完成。
一种无人机图像采集装置,包括:
定位模块,用于接收后台发送的针对待采集对象的数据采集指令,并根据所述数据采集指令获取所述待采集对象的位置信息;
光线强度检测模块,用于通过安装在所述无人机上的光强度传感器获取与所述位置信息对应的区域的光线强度;
红外采集模块,用于当所述光线强度低于预设值时,通过安装在所述无人机上的红外设备采集所述待采集对象对应的红外图像;
发送模块,用于将所采集的所述红外图像发送至所述后台。
一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法中的步骤。
一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法中的步骤。
上述无人机图像采集方法、装置、计算机设备及可读存储介质,在追踪的过程中,如果遇到如天黑或者雷雨天气等光线强度不足的情况,无人机可自动打开挂载的红外采集设备,采集待采集对象的红外数据,通过对外界光线强度的检测,自动控制无人机采集的数据种类,使得无人机在光线强度较低时也可以拍摄出能够满足追踪要求的图像,提高了传统无人机的数据采集能力。
附图说明
图1为一实施例中无人机图像采集方法的应用场景图;
图2为一实施例中无人机图像采集方法的流程示意图;
图3为图2所示实施例中的步骤S202的流程示意图;
图4为一实施例中无人机图像采集装置的结构示意图;
图5为图4所示实施例中的模块402的结构示意图;
图6为一实施例中的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
在详细说明根据本发明的实施例前,应该注意到的是,所述的实施例主要在于与无人机图像采集方法、装置、计算机设备及可读存储介质相关的步骤和系统组件的组合。因此,所述系统组件和方法步骤已经在附图中通过常规符号在适当的位置表示出来了,并且只表示出了与理解本发明的实施例有关的细节,以免因对于得益于本发明的本领域普通技术人员而言显而易见的那些细节模糊了本发明的公开内容。
在本文中,诸如左和右,上和下,前和后,第一和第二之类的关系术语仅仅用来区分一个实体或动作与另一个实体或动作,而不一定要求或暗示这种实体或动作之间的任何实际的这种关系或顺序。术语“包括”、“包含”或任何其他变体旨在涵盖非排他性的包含,由此使得包括一系列要素的过程、方法、物品或者设备不仅包含这些要素,而且还包含没有明确列出的其他要素,或者为这种过程、方法、物品或者设备所固有的要素。
请参见图1,图1提供一实施例中无人机图像采集方法应用场景图,其中包括无人机图像采集设备、现场前端和指挥台,其中现场前端和指挥台可合称为无人机图像采集设备的后台,负责向无人机图像采集设备发送控制指令,并接收无人机图像采集设备返回的采集图像,并对图像进行相应处理,根据图像执行相应的操作。
无人机图像采集设备是由垂直起降无人机搭载云台或者光电吊舱组成,其上面可搭载可见光、红外热像仪、紫外成像等仪器,具有多波段光学数据获取能力,能在安防领域对监控区域进行全天候的数据采集,通过网络或者无线电等通讯链路可以将图像等数据发送到控制前端和指挥台;另外相比于传统的多旋翼无人机和固定翼无人机而言,垂直起降无人机起降方便,续航时间长。
现场前端负责接收无人机图像采集设备采集的图像等数据,并将其进行相应的处理,如无人机图像采集设备为保证数据传输的安全性和流畅性,可在发送数据之前先将图像等数据进行编码、压缩等操作。现场前端在接收到采集的图像后则应先将其进行相应的解码和解压缩的处理,如果有需要也可以先进行筛选等处理,然后显示处理后的图像,以供现场的工作人员或者其他设备观察采集的图像,了解采集对象的实际情况。
具体地,现场前端可以包括前端接收模块、处理模块、显示模块、发送模块等组成。其中,前端接收模块,用于接收无人机图像采集装置采集的图像等数据。前端处理模块,用于针对无人机图像采集设备对采集到图像后的编码、压缩等动作进行解码、解压缩等处理,也可以用于筛选有用图像、在发送处理后图像给指挥台之前对其进行的再编码、再压缩的处理等等。前端显示模块,用于显示处理模块处理后的图像等数据,便于现场的工作人员或者其他设备观察。前端发送模块,用于将处理后的图像数据发送至指挥台。
指挥台负责根据现场前端发送的图像数据,对待采集对象进行侦查、检测,并对无人机图像采集设备下达实时的指挥指令,保证图像采集的准确性。具体地,指挥台可以包括指挥接收模块、指挥处理模块、指挥显示模块、指挥发送模块。其中,指挥接收模块用于接收现场前端发送的图像数据。指挥处理模块,实际上是一台多功能计算机,可以用于针对前端处理模块在发送图像数据之前对其进行的再编码、再压缩等处理进行相应地处理操作,当然此模块也可以进行其他需要的操作。指挥显示模块,用于显示指挥处理模块处理后的图像数据。指挥发送模块,用于将工作人员或相应设备根据图像的指挥指令发送至无人机图像采集设备,以保证无人机图像采集设备能够准确地采集数据并且按照指挥进行相应的采集调整。
上述无人机图像采集方法的应用场景,详细介绍了本申请所要介绍的无人机图像采集方法、装置、计算机设备及可读存储介质在具体工作所需的系统性支持:通过指挥台实时对无人机采集装置的监控和指挥,完成图像采集的功能,保证采集的准确性和灵活性;而无人机图像采集设备则根据后台的指令和资深挂载的装置,按需调整采集方式,完成图像采集的过程;通过现场前端对所采集图像的处理和显示,实现了采集图像的筛选和显示,使得所采集图像中的有用数据能够更便捷地传达。通过这三个部分的配合工作,共同完成图像采集及成果监控、展示的功能,使得无人机图像采集的工作更系统化。
请参见图2,提供一实施例中无人机图像采集方法的流程图,本实施例以该方法应用到上述图1中的无人机图像采集来举例说明,该无人机图像采集设备上运行有采集程序,通过该采集程序来完成无人机图像采集的工作,该方法包括如下步骤:
S202:接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置。
其中,待采集对象是此次图像采集的目标,一般指位置变化的人或者物。
具体地,无人机图像采集设备需要先接收后台发送的数据采集指令,指令中包含有待采集对象的信息,无人机图像采集设备根据指令中的信息在采集到的图像中寻找符合信息的待采集对象,确定待采集对象在采集设备视野中的位置,然后针对此对象进行追踪采集。
S204:通过安装在无人机上的光强度传感器获取与待采集对象的位置对应的区域的光线强度。
具体地,获取到待采集对象的位置后,需要检测采集对象的实际位置对应的区域的光线强度是否满足图像采集结果清晰度及准确率的要求,这里的光线强度可以通过无人机图像采集装置装载的光强度传感器来检测。
S206:当光线强度低于预设值时,通过安装在无人机上的红外设备采集待采集对象对应的红外图像。
其中,预设值是通过实验数据得出的可以达到采集要求的光线强度值,且该预设值可以根据场景的不同进行调节,以适应不同场景。红外设备是挂载在无人机图像采集设备中的通过红外线拍摄图像或视频的设备,如红外相机等。
具体地,当步骤204中的光强度传感器检测到与待采集对象的位置对应的区域的光线强度无法满足采集要求,即光线强度低于预设值时,无人机图像采集设备可自动打开红外设备,通过红外设备的红外热感成像技术,拍摄待采集对象的红外图像。
S208:将所采集的红外图像发送至后台。
红外设备采集到待采集对象的红外图像后,需要将采集的图像发送给后台,以便后台知晓待采集对象的实际运动情况,对待采集对象进行实时监控,饼干局监控结果实时调整无人机图像采集设备的采集进程。
上述无人机图像采集方法中,无人机图像采集设备接收到后台发送的数据采集指令后,根据指令中的信息在视野中找到待采集对象,确定其位置,并对其进行追踪,当安装在无人机上的光强度传感器检测到与待采集对象的位置对应的区域的光线强度无法达到采集要求时,则无人机图像采集设备开启红外设备,通过红外设备采集待采集对象的红外图像;根据检测光线强度,控制红外采集设备的自动开启,在采集区域光线强度不足时,如晚上或者阴雨天气,也可以通过采集红外图像的方式,减少因环境因素对无人机图像采集结果的干扰,保证采集的图像质量,提高追踪效果。
在其中一实施例中,上述方法中的步骤S204接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置的步骤之后,可以包括:通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像;将所采集的可见光图像发送至后台。
其中,可见光设备是指采集可见光图像的设备,如摄影机、相机等。可见光图像则是此可见光设备拍摄出的图片、视频等数据。
具体地,当光线强度可以满足采集要求,即高于预设值时,可直接通过无人机图像采集设备搭载的可见光采集设备拍摄图像,并将拍摄完的图像发送给后台。
在光线强度满足要求时,无人机图像采集设备采集可见光图像,光线强度不足时,则通过红外设备采集红外图像,克服了传统无人机采集的图像中受环境因素影响较大的缺点,在外界光线强度变化时,可以通过改变采集的图像形式来保证采集的图像质量。且可以在该实施例中可以在光线强度不满足要求的时候,即通过可见光采集设备采集可见光图像,又通过红外采集设备采集红外图像,将该可见光图像和红外图像一起发送给后台,以供后台进行进行比对处理,减少误差。
请参见图3,在其中一实施例中,上述方法中S202接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置的步骤可以包括:
S302:接收后台发送的数据采集指令,数据采集指令携带有待采集对象的标识。
其中,待采集对象的标识是指待采集对象的特征信息,若待采集对象为某辆车时,则此标识可以为车牌号、车辆大小、型号、颜色等信息。
具体地,后台需要无人机图像采集设备采集某个目标的图像数据时,需要先给无人机发送一个带有待采集对象的特征信息的数据采集指令,无人机收到后可根据此指令提取待采集对象的特征,从而找到正确的目标,对进行定位、跟踪等操作。
S304:根据数据采集指令采集当前位置的预采集图像,并根据待采集对象的标识确定待采集对象在预采集图像中的目标位置。
具体地,无人机采集设备待采集对象的标识后,先在当前的视野中寻找符合待采集对象标识的对象,其寻找的过程是,无人机先拍摄当前视野的图像,然后根据待采集对象的标识与预采集图象中的对象进行匹配,若匹配不到则无人机在飞行过程中继续采集其他区域的图像,再进行匹配,直到无人机寻找到符合待采集对象标识的对象,即将此对象认为是待采集对象,并确定此待采集对象在预采集图象中的位置。其中,无人机采集设备在确定待采集对象时拍摄的当前图像即为预采集图像,目标位置则是确定后待采集图像在预采集图像中的位置。
S306:提取待采集对象在预采集图像中的特征信息,并根据特征信息建立与所采集对象对应的采集模板。
其中,特征信息是为建立采集模板提取的待采集对象在视野中呈现出的图像的关键特征,如颜色、形状、大小、运动方向、运动速度等特征。
具体地,在预采集图像中寻找到待采集对象并确定位置后,需要对其进行追踪采集,所以需要建立一个针对待采集对象的采集模板,方便无人机采集设备对待采集对象进行追踪,此采集模板的建立需要安装在无人机上的计算设备针对待采集对象在视野中呈现出的图像进行特征提取,再根据提取到的特征建立一个与之对应的神经网络模板,在后续的追踪过程中,只需匹配此神经网络模板即可,而不需每次都要重新在实时采集到图像中按照后台发送的标识来确定待采集对象的位置。
S308:根据目标位置和采集模板获取待采集对象的目标预测位置。
其中,目标预测位置是无人机的计算设备根据待采集对象在预采集图像中的目标位置和步骤S306中建立的采集模板预测出的待采集对象在下一帧采集的图像中的位置。
具体地,在采集下一帧图像之前,无人机需要先确定飞行轨迹,而无人机的飞行轨迹则是根据待采集对象的运动轨迹来变化的,所以无人机需要预测待采集对象的位置变化情况,才能保证下一帧仍然能够采集到待采集对象的图像。前述步骤中无人机获取到待采集对象的目标位置后,对其进行了特征提取,并建立了待采集模板,待采集模板包含了待采集对象的运动信息,无人机可以;利用这些信息先进行待采集对象的下一步运动预测,得到一个预测位置,采集预测位置的图像。
上述实施例中,详细描述了无人机图像采集设备接收到后台数据采集指令后,获取待采集对象的位置的具体过程,更加详细地描述了无人机确定追踪目标、并对其进行追踪的过程,在此基础上结合图2中的无人机图像采集方法,可以更加准确地采集目标的图像信息,并且保证追踪和采集的准确性和时效性。
在其中一实施例中,上述步骤S304中根据待采集对象的标识确定待采集对象在预采集图像中的目标位置的步骤,包括:根据待采集对象的标识确定待采集对象在预采集图像中的初始位置;接收后台发送的针对初始位置的纠正指令;根据纠正指令对初始位置进行调整得到目标位置。
其中,初始位置是无人机根据数据采集指令在视野中确定的待采集对象的位置。纠正指令是指后台接收到无人机图像采集设备发送的预采集图像及图像上确定的待采集对象的位置后,进行人工对比或者计算匹配,发现无人机确定的待采集对象有误,需要对无人机进行干预纠正,向无人机发送的一个重新确定待采集对象的纠正指令。
上述实施例中,为保证采集对象的准确性,引入人工干预,在实际的采集操作中需要对无人机的采集操作进行后台纠正。
在其中一实施例中,步骤S206中通过安装在无人机上的红外设备采集待采集对象对应的红外图像的步骤,包括:通过安装在无人机上的红外设备采集与目标预测位置对应的当前红外图像;根据采集模板获取待采集对象在当前红外图像中的第一位置;根据第一位置计算待采集对象的第一预测位置,并继续根据第一预测位置采集下一帧红外图像作为当前红外图像,直至对待采集对象的采集完成。
其中,当前红外图像是在待采集对象所处区域的光线强度低于预设值时,无人机上安装的红外设备自动开启,采集的目标预测位置采集的红外图象。
第一位置是在当前红外图像中,待采集对象对应的位置,第一位置的获取可根据目标预测位置在此次红外图像的采集窗口中的位置来进行获取。
第一预测位置是无人机根据获取到的第一位置计算出的获取下一帧图像时,待采集对象最可能会出现的实际位置。
具体地,在待采集对象所处区域的光线强度低于预设值时,需要采集待采集对象的红外图像,采集的流程为:安装在无人机上的红外设备先根据步骤S308中得到的目标预测位置,采集目标预测位置对应区域的红外图像作为当前红外图像,根据目标预测位置在此次红外图像的采集窗口中的位置对应出待采集对象在所采集的当前红外图像中的第一位置,无人机的计算设备根据第一位置可分析出待采集对象的运动情况,从而预测出待采集对象在采集下一帧时最可能的位置,即第一预测位置,红外设备采集第一预测位置所对应的红外图像作为当前图像,再继续预测下一帧时待采集对象的实际位置,进行采集,通过反复的采集、分析、预测、采集的过程,完成对待采集对象的追踪。
进一步地,上述无人机根据目标预测位置获取待采集对象在当前红外图像中的第一位置之后,可提取待采集对象在红外图像中的特征,建立红外图像的采集模板,并根据此红外采集模板对待采集对象进行运动分析,得到待采集对象在采集下一帧图像时的第一预测位置,并将采集得到的第一预测位置的红外图像中与待采集对象对应的内容进行匹配,保证追踪采集的准确性。
上述图像采集方法中,具体介绍了无人机图像采集设备在待采集对象所处区域的光线强度低于预设值时,如何对待采集对象进行红外追踪和采集的详细步骤,保证了追踪采集的准确性。
在其中一实施例中,通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像的步骤,包括:通过安装在无人机上的可见光设备采集与目标预测位置对应的当前可见光图像;根据采集模板获取待采集对象在当前可见光图像中的第二位置;根据第二位置计算待采集对像的第二预测位置,并继续根据第二预测位置采集下一帧可见光图像作为当前可见光图像,直至对待采集对象的图像采集完成。
其中,当前可见光图像是在待采集对象所处区域的光线强度不低于预设值时,无人机上安装的可见光设备自动开启,采集的目标预测位置采集的可见光图象。
第二位置是在当前可见光图像中待采集对象对应的位置,第二位置的获取可根据目标预测位置在此次可见光图像的采集窗口中的位置来进行获取。
第二预测位置是无人机根据获取到的第二位置计算出的获取下一帧图像时,待采集对象最可能会出现的实际位置。
具体地,在待采集对象所处区域的光线强度不低于预设值时,需要采集待采集对象的可见光图像,采集的流程为:安装在无人机上的可见光设备先根据步骤S308中得到的目标预测位置,采集目标预测位置对应区域的可见光图像作为当前可见光图像,根据目标预测位置在此次可见光图像的采集窗口中的位置对应出待采集对象在所采集的当前可见光图像中的第二位置,无人机的计算设备根据第二位置可分析出待采集对象的运动情况,从而预测出待采集对象在采集下一帧时最可能的位置,即第二预测位置,可见光设备采集第二预测位置所对应的可见光图像作为当前图像,再继续预测下一帧时待采集对象的实际位置,进行采集,通过反复的采集、分析、预测、采集的过程,完成对待采集对象的追踪。
进一步地,上述无人机根据目标预测位置获取待采集对象在当前可见光图像中的第二位置之后,可提取待采集对象在可见光图像中的特征,建立可见光图像的采集模板,并根据此可见光采集模板对待采集对象进行运动分析,得到待采集对象在采集下一帧图像时的第二预测位置,并将采集得到的第一预测位置的可见光图像中与待采集对象对应的内容进行匹配,保证追踪采集的准确性。
上述图像采集方法中,具体介绍了无人机图像采集设备在待采集对象所处区域的光线强度不低于预设值时,如何对待采集对象进行可见光追踪和采集的详细步骤。
在其中一实施例中,上述无人机图像采集方法还包括:当在当前可见光图像中未获取到与采集模板对应的待采集对象时,则通过安装在无人机上的紫外设备采集当前紫外图像,并根据采集模板获取待采集对象在当前紫外图像中的第三位置;
根据第三位置获取待采集对像的第三预测位置,并继续根据第三预测位置采集下一帧紫外图像作为当前紫外图像,直至对待采集对象的图像采集完成。
在实际采集过程中,由于环境因素的不可控,可能会出现待采集对象被遮挡的情况,如在大雾天气或待采集对象进入树林、隧道等情况,为保证采集的连续性,可在无人机上挂载紫外设备,通过紫外成像技术的穿透性,采集待采集对象的紫外图像。
上述的待采集对象被遮挡的情况是无人机图像采集设备在采集可见光图像的过程中,在下一帧的采集图像中无法匹配到与采集模板符合的待采集对象,即在当前可见光图像中未获取到与采集模板对应的待采集对象时,需要自动开启无人机挂载的紫外设备,采集本帧对应的实际位置的紫外图像,通过紫外成像的穿透性,根据采集模板获取待采集对象在当前紫外图像中的对应位置,再继续如上述两个实施例的追踪采集步骤。
其中,当前紫外图像是在待采集对象被遮挡时,无人机上安装的紫外设备自动开启,采集的目标预测位置采集的紫外图象。
第三位置是在当前紫外图像中,待采集对象对应的位置,第三位置的获取可根据目标预测位置在此次紫外图像的采集窗口中的位置来进行获取。
第三预测位置是无人机根据获取到的第三位置计算出的获取下一帧图像时,待采集对象最可能会出现的实际位置。
具体地,在待采集对象所处区域的光线强度不低于预设值时,需要采集待采集对象的可见光图像,采集的流程为:安装在无人机上的可见光设备先根据步骤S308中得到的目标预测位置,采集目标预测位置对应区域的紫外图像作为当前紫外图像,根据目标预测位置在此次紫外图像的采集窗口中的位置对应出待采集对象在所采集的当前紫外图像中的第三位置,无人机的计算设备根据第三位置可分析出待采集对象的运动情况,从而预测出待采集对象在采集下一帧时最可能的位置,即第三预测位置,可见光设备采集第三预测位置所对应的紫外图像作为当前图像,再继续预测下一帧时待采集对象的实际位置,进行采集,通过反复的采集、分析、预测、采集的过程,完成对待采集对象的追踪。
进一步地,上述无人机根据目标预测位置获取待采集对象在当前紫外图像中的第三位置之后,可提取待采集对象在紫外图像中的特征,建立紫外图像的采集模板,并根据此紫外采集模板对待采集对象进行运动分析,得到待采集对象在采集下一帧图像时的第三预测位置,并将采集得到的第三预测位置的紫外图像中与待采集对象对应的内容进行匹配,保证追踪采集的准确性。
上述图像采集方法中,具体介绍了无人机图像采集设备在待采集对象被遮挡时,如何对待采集对象进行紫外追踪和采集的详细步骤。
在其中一实施例中,可参见图4,提供一实施例中无人机图像采集装置的结构示意图,无人机图像采集装置400包括:
定位模块402,用于接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置。
光线强度检测模块404,用于通过安装在无人机上的光强度传感器获取与待采集对象的位置对应的区域的光线强度。
红外采集模块406,用于当光线强度低于预设值时,通过安装在无人机上的红外设备采集待采集对象对应的红外图像。
发送模块408,用于将所采集的红外图像发送至后台。
在其中一个实施例中,无人机图像采集装置还可以包括:
可见光模块,用于通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像。
则上述的发送模块408,还可以用于将所采集的可见光图像发送至后台。
在其中一个实施例中,上述无人机图像采集装置400中的定位模块402可以包括:
接收单元502,用于接收后台发送的数据采集指令,数据采集指令携带有待采集对象的标识。
预采集单元504,用于根据数据采集指令采集当前位置的预采集图像,并根据待采集对象的标识确定待采集对象在预采集图像中的目标位置。
特征模板单元506,用于提取待采集对象在预采集图像中的特征信息,并根据特征信息建立与待采集对象对应的采集模板。
位置预测单元508,用于根据目标位置和采集模板获取待采集对象的目标预测位置。
在其中一个实施例中,上述无人机图像采集装置400中的预采集单元404可以包括:
初始定位子单元,用于根据待采集对象的标识确定待采集对象在预采集图像中的初始位置。
初始接收子单元,用于接收后台发送的针对初始位置的纠正指令。
纠正子单元,用于根据纠正指令对初始位置进行调整得到目标位置。
在其中一个实施例中,上述无人机图像采集装置400中的红外采集模块406可以包括:
红外预单元,通过安装在无人机上的红外设备采集与目标预测位置对应的当前红外图像。
红外定位单元,用于根据采集模板获取待采集对象在当前红外图像中的第一位置。
红外追踪单元,用于根据第一位置计算待采集对象的第一预测位置,并继续根据第一预测位置采集下一帧红外图像作为当前红外图像,直至对待采集对象的采集完成。
在其中一个实施例中,上述无人机图像采集装置400中的可见光模块可以包括:
可见光预单元,通过安装在无人机上的可见光设备采集与目标预测位置对应的当前可见光图像。
可见光定位单元,根据采集模板获取待采集对象在当前可见光图像中的第二位置。
可见光追踪单元,用于根据第二位置计算待采集对像的第二预测位置,并继续根据第二预测位置采集下一帧可见光图像作为当前可见光图像,直至对待采集对象的图像采集完成。
在其中一个实施例中,上述无人机图像采集装置400中还可以包括紫外采集模块,该紫外采集模块包括:
紫外定位单元,用于当在当前可见光图像中未获取到与采集模板对应的待采集对象时,则通过安装在无人机上的紫外设备采集当前紫外图像,并根据采集模板获取待采集对象在当前紫外图像中的第三位置。
紫外采集单元,用于根据第三位置获取待采集对像的第三预测位置,并继续根据第三预测位置采集下一帧紫外图像作为当前紫外图像,直至对待采集对象的图像采集完成。
上述关于无人机图像采集装置的具体限定可以参见上文中关于无人机图像采集方法的限定,在此不再赘述。
在其中一个实施例中,请参见图6,提供一实施例中执行无人机图像采集的计算机设备的结构示意图,该计算机设备可以执行无人机图像采集设备、是常规服务器或其他任何合适的计算机设备,包括存储器、处理器、操作系统、数据库以及存储在存储器上并可在处理器上运行的无人机图像采集程序,其中存储器可以包括内存储器,处理器执行无人机图像采集程序时实现以下步骤:接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置;通过安装在无人机上的光强度传感器获取与待采集对象的位置对应的区域的光线强度;当光线强度低于预设值时,通过安装在无人机上的红外设备采集待采集对象对应的红外图像;将所采集的红外图像发送至后台。
在其中一个实施例中,处理器执行程序时所实现的通过安装在无人机上的红外设备采集待采集对象对应的红外图像的步骤之后,还可以包括:通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像;将所采集的可见光图像发送至后台。
在其中一个实施例中,处理器执行程序时所实现的接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置的步骤可以包括:接收后台发送的数据采集指令,数据采集指令携带有待采集对象的标识;根据数据采集指令采集当前位置的预采集图像,并根据待采集对象的标识确定待采集对象在预采集图像中的目标位置;提取待采集对象在预采集图像中的特征信息,并根据特征信息建立与待采集对象对应的采集模板;根据目标位置和采集模板获取待采集对象的目标预测位置。
在其中一个实施例中,处理器执行程序时所实现的根据待采集对象的标识确定待采集对象在预采集图像中的目标位置的步骤,可以包括:根据待采集对象的标识确定待采集对象在预采集图像中的初始位置;接收后台发送的针对初始位置的纠正指令;根据纠正指令对初始位置进行调整得到目标位置。
在其中一个实施例中,处理器执行程序时所实现的通过安装在无人机上的红外设备采集待采集对象对应的红外图像的步骤,包括:通过安装在无人机上的红外设备采集与目标预测位置对应的当前红外图像;根据采集模板获取待采集对象在当前红外图像中的第一位置;根据第一位置计算待采集对象的第一预测位置,并继续根据第一预测位置采集下一帧红外图像作为当前红外图像,直至对待采集对象的采集完成。
在其中一个实施例中,处理器执行程序时所实现的通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像的步骤,包括:通过安装在无人机上的可见光设备采集与目标预测位置对应的当前可见光图像;根据采集模板获取待采集对象在当前可见光图像中的第二位置;根据第二位置计算待采集对像的第二预测位置,并继续根据第二预测位置采集下一帧可见光图像作为当前可见光图像,直至对待采集对象的图像采集完成。
在其中一个实施例中,处理器执行程序时所实现的步骤,还可以包括:当在当前可见光图像中未获取到与采集模板对应的待采集对象时,则通过安装在无人机上的紫外设备采集当前紫外图像,并根据采集模板获取待采集对象在当前紫外图像中的第三位置;根据第三位置获取待采集对像的第三预测位置,并继续根据第三预测位置采集下一帧紫外图像作为当前紫外图像,直至对待采集对象的图像采集完成。
上述关于计算机设备的具体限定可以参见上文中关于无人机图像采集方法的限定,在此不再赘述。
在一个实施例中,请继续参阅图6,提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置;通过安装在无人机上的光强度传感器获取与待采集对象的位置对应的区域的光线强度;当光线强度低于预设值时,通过安装在无人机上的红外设备采集待采集对象对应的红外图像;将所采集的红外图像发送至后台。
在其中一个实施例中,处理器执行程序时所实现的通过安装在无人机上的红外设备采集待采集对象对应的红外图像的步骤之后,还可以包括:通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像;将所采集的可见光图像发送至后台。
在其中一个实施例中,处理器执行程序时所实现的接收后台发送的针对待采集对象的数据采集指令,并根据数据采集指令获取待采集对象的位置的步骤可以包括:接收后台发送的数据采集指令,数据采集指令携带有待采集对象的标识;根据数据采集指令采集当前位置的预采集图像,并根据待采集对象的标识确定待采集对象在预采集图像中的目标位置;提取待采集对象在预采集图像中的特征信息,并根据特征信息建立与待采集对象对应的采集模板;根据目标位置和采集模板获取待采集对象的目标预测位置。
在其中一个实施例中,处理器执行程序时所实现的根据待采集对象的标识确定待采集对象在预采集图像中的目标位置的步骤,可以包括:根据待采集对象的标识确定待采集对象在预采集图像中的初始位置;接收后台发送的针对初始位置的纠正指令;根据纠正指令对初始位置进行调整得到目标位置。
在其中一个实施例中,处理器执行程序时所实现的通过安装在无人机上的红外设备采集待采集对象对应的红外图像的步骤,包括:通过安装在无人机上的红外设备采集与目标预测位置对应的当前红外图像;根据采集模板获取待采集对象在当前红外图像中的第一位置;根据第一位置计算待采集对象的第一预测位置,并继续根据第一预测位置采集下一帧红外图像作为当前红外图像,直至对待采集对象的采集完成。
在其中一个实施例中,处理器执行程序时所实现的通过安装在无人机上的可见光设备采集待采集对象对应的可见光图像的步骤,包括:通过安装在无人机上的可见光设备采集与目标预测位置对应的当前可见光图像;根据采集模板获取待采集对象在当前可见光图像中的第二位置;根据第二位置计算待采集对像的第二预测位置,并继续根据第二预测位置采集下一帧可见光图像作为当前可见光图像,直至对待采集对象的图像采集完成。
在其中一个实施例中,处理器执行程序时所实现的步骤,还可以包括:当在当前可见光图像中未获取到与采集模板对应的待采集对象时,则通过安装在无人机上的紫外设备采集当前紫外图像,并根据采集模板获取待采集对象在当前紫外图像中的第三位置;根据第三位置获取待采集对像的第三预测位置,并继续根据第三预测位置采集下一帧紫外图像作为当前紫外图像,直至对待采集对象的图像采集完成。
上述关于计算机存储介质的具体限定可以参见上文中关于无人机图像采集方法的限定,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成的程序可存储于一非易失性计算机可读取计算机存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,计算机可读取的计算机存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种无人机图像采集方法,其特征在于,包括:
接收后台发送的针对待采集对象的数据采集指令,并根据所述数据采集指令获取所述待采集对象的位置;
通过安装在所述无人机上的光强度传感器获取与所述待采集对象的位置对应的区域的光线强度;
当所述光线强度低于预设值时,通过安装在所述无人机上的红外设备采集所述待采集对象对应的红外图像;
将所采集的所述红外图像发送至所述后台。
2.根据权利要求1所述的方法,其特征在于,所述根据所述数据采集指令获取所述待采集对象的位置信息的步骤之后,还包括:
通过安装在所述无人机上的可见光设备采集所述待采集对象对应的可见光图像;
将所采集的所述可见光图像发送至所述后台。
3.根据权利要求2所述的方法,其特征在于,所述接收后台发送的针对待采集对象的数据采集指令,并根据所述数据采集指令获取所述待采集对象的位置的步骤,包括:
接收后台发送的数据采集指令,所述数据采集指令携带有待采集对象的标识;
根据所述数据采集指令采集当前位置的预采集图像,并根据所述待采集对象的标识确定所述待采集对象在所述预采集图像中的目标位置;
提取所述待采集对象在所述预采集图像中的特征信息,并根据所述特征信息建立与所述待采集对象对应的采集模板;
根据所述目标位置和所述采集模板获取所述待采集对象的目标预测位置。
4.根据权利要求3所述的方法,其特征在于,所述根据所述待采集对象的标识确定所述待采集对象在所述预采集图像中的目标位置的步骤,包括:
根据所述待采集对象的标识确定所述待采集对象在所述预采集图像中的初始位置;
接收所述后台发送的针对所述初始位置的纠正指令;
根据所述纠正指令对所述初始位置进行调整得到目标位置。
5.根据权利要求3所述的方法,其特征在于,所述通过安装在所述无人机上的红外设备采集所述待采集对象对应的红外图像的步骤,包括:
通过安装在所述无人机上的红外设备采集与所述目标预测位置对应的当前红外图像;
根据所述采集模板获取所述待采集对象在所述当前红外图像中的第一位置;
根据所述第一位置计算所述待采集对象的第一预测位置,并继续根据所述第一预测位置采集下一帧红外图像作为当前红外图像,直至对所述待采集对象的采集完成。
6.根据权利要求3所述的方法,其特征在于,所述通过安装在所述无人机上的可见光设备采集所述待采集对象对应的可见光图像的步骤,包括:
通过安装在所述无人机上的可见光设备采集与所述目标预测位置对应的当前可见光图像;
根据所述采集模板获取所述待采集对象在所述当前可见光图像中的第二位置;
根据所述第二位置计算所述待采集对像的第二预测位置,并继续根据所述第二预测位置采集下一帧可见光图像作为当前可见光图像,直至对所述待采集对象的图像采集完成。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当在当前可见光图像中未获取到与所述采集模板对应的待采集对象时,则通过安装在所述无人机上的紫外设备采集当前紫外图像,并根据所述采集模板获取所述待采集对象在所述当前紫外图像中的第三位置;
根据所述第三位置获取所述待采集对像的第三预测位置,并继续根据所述第三预测位置采集下一帧紫外图像作为当前紫外图像,直至对所述待采集对象的图像采集完成。
8.一种无人机图像采集装置,其特征在于,包括:
定位模块,用于接收后台发送的针对待采集对象的数据采集指令,并根据所述数据采集指令获取所述待采集对象的位置信息;
光线强度检测模块,用于通过安装在所述无人机上的光强度传感器获取与所述位置信息对应的区域的光线强度;
红外采集模块,用于当所述光线强度低于预设值时,通过安装在所述无人机上的红外设备采集所述待采集对象对应的红外图像;
发送模块,用于将所采集的所述红外图像发送至所述后台。
9.一种计算机设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一所述方法中的步骤。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7任一所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711308879.6A CN107995435A (zh) | 2017-12-11 | 2017-12-11 | 无人机图像采集方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711308879.6A CN107995435A (zh) | 2017-12-11 | 2017-12-11 | 无人机图像采集方法、装置、计算机设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107995435A true CN107995435A (zh) | 2018-05-04 |
Family
ID=62037378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711308879.6A Pending CN107995435A (zh) | 2017-12-11 | 2017-12-11 | 无人机图像采集方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107995435A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112432301A (zh) * | 2020-11-25 | 2021-03-02 | 山西中科潞安紫外光电科技有限公司 | 一种封闭空间的空气净化杀菌系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205265944U (zh) * | 2015-11-27 | 2016-05-25 | 广州极飞电子科技有限公司 | 一种定位数据获取装置及无人机 |
US20160216245A1 (en) * | 2012-11-07 | 2016-07-28 | Brian Harold Sutton | Infrared aerial thermography for use in monitoring plant health and growth |
CN105931263A (zh) * | 2016-03-31 | 2016-09-07 | 纳恩博(北京)科技有限公司 | 一种目标跟踪方法及电子设备 |
CN106096573A (zh) * | 2016-06-23 | 2016-11-09 | 乐视控股(北京)有限公司 | 目标跟踪方法、装置、系统及远程监控系统 |
CN106354156A (zh) * | 2016-09-29 | 2017-01-25 | 腾讯科技(深圳)有限公司 | 一种跟踪目标对象的方法、装置及飞行器 |
CN106529500A (zh) * | 2016-11-28 | 2017-03-22 | 中控智慧科技股份有限公司 | 一种信息处理方法和系统 |
US9665094B1 (en) * | 2014-08-15 | 2017-05-30 | X Development Llc | Automatically deployed UAVs for disaster response |
-
2017
- 2017-12-11 CN CN201711308879.6A patent/CN107995435A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160216245A1 (en) * | 2012-11-07 | 2016-07-28 | Brian Harold Sutton | Infrared aerial thermography for use in monitoring plant health and growth |
US9665094B1 (en) * | 2014-08-15 | 2017-05-30 | X Development Llc | Automatically deployed UAVs for disaster response |
CN205265944U (zh) * | 2015-11-27 | 2016-05-25 | 广州极飞电子科技有限公司 | 一种定位数据获取装置及无人机 |
CN105931263A (zh) * | 2016-03-31 | 2016-09-07 | 纳恩博(北京)科技有限公司 | 一种目标跟踪方法及电子设备 |
CN106096573A (zh) * | 2016-06-23 | 2016-11-09 | 乐视控股(北京)有限公司 | 目标跟踪方法、装置、系统及远程监控系统 |
CN106354156A (zh) * | 2016-09-29 | 2017-01-25 | 腾讯科技(深圳)有限公司 | 一种跟踪目标对象的方法、装置及飞行器 |
CN106529500A (zh) * | 2016-11-28 | 2017-03-22 | 中控智慧科技股份有限公司 | 一种信息处理方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112432301A (zh) * | 2020-11-25 | 2021-03-02 | 山西中科潞安紫外光电科技有限公司 | 一种封闭空间的空气净化杀菌系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443498B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
US20190171897A1 (en) | System and method for automatically improving gathering of data using a data gathering device | |
CN110398720A (zh) | 一种反无人机探测跟踪干扰系统及光电跟踪系统工作方法 | |
CN110853295A (zh) | 一种高空抛物预警方法和装置 | |
CN105759834A (zh) | 一种主动捕获低空小型无人飞行器的系统及方法 | |
CN108038415B (zh) | 一种基于机器视觉的无人机自动检测与跟踪方法 | |
CN107181323B (zh) | 一种无人机巡线系统及方法 | |
EP2867873B1 (en) | Surveillance process and apparatus | |
CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
CN110046584B (zh) | 一种基于无人机巡检的道路裂纹检测装置及检测方法 | |
CN109934108A (zh) | 一种多目标多种类的车辆检测和测距系统及实现方法 | |
CN112945015A (zh) | 一种无人机监测系统、方法、装置及存储介质 | |
CN107995435A (zh) | 无人机图像采集方法、装置、计算机设备及可读存储介质 | |
CN110211159A (zh) | 一种基于图像视频处理技术的飞机位置检测系统及方法 | |
CN109800661A (zh) | 一种道路识别模型训练方法、道路识别方法及装置 | |
CN109218587A (zh) | 一种基于双目摄像头的图像采集方法及系统 | |
CN113033355B (zh) | 一种基于密集输电通道的异常目标识别方法和装置 | |
CN113449566A (zh) | 人在回路的“低慢小”目标智能图像跟踪方法及系统 | |
CN112202247B (zh) | 基于bp神经网络的隔离开关分合监测系统及方法 | |
CN115346155A (zh) | 一种面向视觉特征非连续性干扰的船舶图像航迹提取方法 | |
CN105472247B (zh) | 一种基于无人驾驶飞行器上的多路图形图像处理系统及方法 | |
CN112422895A (zh) | 基于无人机的图像分析跟踪、定位系统及方法 | |
KR102265291B1 (ko) | 실시간 화재 감지 시스템 및 화재 감지 방법 | |
CN113139985A (zh) | 消除无人机与地面站通信延迟影响的跟踪目标框选方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180504 |